未记录事实核验 · 状态：维护中
记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。
warning 本文适用范围与待维护项
本节是总体均值置信区间的基础教学示例，内置数据可独立练习，不代表真实调查结果。代码中的小样本t区间以样本独立同分布且总体服从正态分布为适用假设；95%指重复抽样并按相同方法构造区间时的长期覆盖率，不是已得到区间包含固定真实均值的概率。区间宽度随样本量增大而缩小的说明限于置信水平和变异程度等其他条件相同的比较。
🛡️ 置信区间（Confidence Interval, CI）
学习目标
note 📖 **什么是置信区间？**
置信区间是根据样本构造的总体参数估计范围。比如"95%置信区间是[78, 82]"，其中95%指：在满足统计假设的重复抽样中，按同一方法构造的区间约有95%包含真实均值；不是说真实均值有95%的概率落在这一次得到的区间里。
生活例子：
- 民调说"某候选人支持率在45%~55%之间，置信度95%"，就是置信区间。
🛠️ 学习目标
-
思路说明
- 用numpy计算样本均值和标准差
- 用scipy.stats查t分布或正态分布的分位点，计算置信区间
-
常用类库
- numpy（计算均值、统计学）
- scipy.stats（查分位点）
-
代码示例
import numpy as np
from scipy.stats import t
sample = np.array([78, 82, 80, 79, 81, 77, 83, 80, 79, 82])
mean = np.mean(sample)
std = np.std(sample, ddof=1)
n = len(sample)
t_crit = t.ppf(0.975, df=n-1) # 95%置信区间
ci_low = mean - t_crit * std / np.sqrt(n)
ci_high = mean + t_crit * std / np.sqrt(n)
print(f"95%置信区间: [{ci_low:.2f}, {ci_high:.2f}]")
tip 💡 在置信水平和变异程度等其他条件相同的情况下，样本量越大，置信区间通常越窄，说明估计越精确。
🔗 相关知识
#统计学 #置信区间 #推断 #基础